# 合併多項研究，畫出森林圖

> 上傳每列一項研究的資料表，Yila 會計算效應量、配適隨機效應模型、畫出附異質性統計量的森林圖，並檢定一個調節變數，同時附上可重現結果的 R 程式碼。

URL: https://yila.ai/zh-TW/playbooks/forest-plot

## 你會得到

- **森林圖** (PNG + SVG): 每項研究的人數、權重與對數座標軸上的估計值，加上合併效應菱形、預測區間，以及列出異質性統計量的那一行。
- **氣泡圖** (PNG + SVG): 針對你的調節變數所做的統合迴歸，每項研究畫成一個點，並附配適線及其 95% 信賴帶。
- **結果表** (CSV): 各研究的估計值、信賴區間與權重，合併估計值及其預測區間，以及統合迴歸係數。
- **分析程式碼** (R 程式碼): 以 metafor 撰寫的完整 R 程式碼，審稿人可以從你的資料表重跑每一個數字。

## 運作方式

1. **上傳研究資料表，指定效應指標**: 給 Yila 一份每列一項研究的資料表：各組的事件數與總人數，或效應量及其標準誤。說明要合併哪個指標，以及哪個研究特徵可能解釋研究間的差異。
2. **Yila 核對資料表並建立模型**: 它會讀取各欄、計算效應量並配適隨機效應模型。請說明各組的記錄方式（病例數與未發病人數，或病例數與總人數），確保各組人數正確；零事件研究會如實報告，不會被悄悄調整。
3. **取得圖、結果表和程式碼**: 森林圖和氣泡圖畫好後會檢查有無重疊，再與結果表和程式碼一起儲存。想加入次群組分析、漏斗圖或改用其他估計方法，在同一個對話裡提出即可。

## 適用情境

- **系統性文獻回顧**: 依 PRISMA 規範報告的主要森林圖與異質性統計量，可直接放進結果章節。
- **學位論文的一章**: 一套合併分析，程式碼與輸出結果都能讓口試委員逐行核對。
- **核對已發表的統合分析**: 引用之前，先用原文表格中的試驗人數重新計算一次合併估計值。

## 常見問題

### 我的資料要整理成什麼樣子？

每列一項研究。結果為二元變數時，提供各組的事件數與受試人數（或未發生事件的人數）；為連續變數時，提供平均值、標準差與樣本數；如果已經有效應量，也可以提供效應量及其標準誤。請在需求中說明各欄的編碼方式。

### 要用固定效應還是隨機效應？

預設使用隨機效應模型，以 REML 估計，因為各研究的族群與設計通常不同。如果你有理由採用共同效應模型，直接提出即可，Yila 會兩種結果都報告。

### Q、I² 和 τ² 分別代表什麼？

Q 檢定各研究之間的分歧是否超出偶然所能解釋的程度；I² 是總變異中來自研究間真實差異的比例；τ² 則是研究間變異數在效應尺度上的大小。預測區間把 τ² 換算成一項新研究預期會落在的範圍。

### 能解釋異質性的來源嗎？

可以，以研究層級的變數（例如緯度、劑量或年份）做統合迴歸，並畫成氣泡圖。研究數量很少時，Yila 會說明統合迴歸能證明的事情相當有限。

### 相對風險、勝算比還是平均差？

metafor 支援的指標都可以：結果為二元變數時可用 RR、OR 和風險差，為連續變數時可用平均差和 SMD，也可以用文獻報告的估計值合併風險比（HR）等其他指標。請在需求中寫明。

### 可以加入次群組分析或漏斗圖嗎？

可以，在同一個對話中提出即可。次群組估計、附 Egger 檢定的漏斗圖，或逐一排除（leave-one-out）分析，都會加進同一份程式碼。

### 範例資料從哪裡來？

來自 Colditz 等人（1994）彙整的 13 項卡介苗試驗，以 dat.bcg 之名隨開源套件 metafor 發布。Yila 從不拿使用者的資料當作範例。

---

- [合併多項研究，畫出森林圖](https://yila.ai/zh-TW/playbooks/forest-plot)
- [llms.txt](https://yila.ai/zh-TW/llms.txt)
